Aigo ! Le casse-tête de la traduction littéraire d’interjections onomatopéiques coréennes
Notice bibliographique
Résumé
Cette étude examine les différentes stratégies mises en oeuvre par les traducteurs pour rendre en français l’expressivité des interjections onomatopéiques coréennes. À la différence de l’onomatopée, une interjection est, en réaction à une situation vécue, pourvue d’un affect, d’une intention de communiquer (expressive ou injonctive). Entre manifestation émotionnelle et formulation implicite, leur ambiguïté sémantique ne permet pas d’en interpréter aisément la valeur situationnelle, telle qu’elle est communément interprétée dans la culture d’origine. À défaut d’interjections équivalentes en langue cible, les traducteurs des interjections coréennes ont donc alternativement recours soit à de simples translittérations, soit à des reformulations plus explicites non interjectives. Après avoir défini le cadre de notre étude, nous étudierons, par des exemples empruntés à la littérature coréenne, les différentes stratégies qui permettent de traduire et transmettre en français la valeur expressive et la charge émotive de ces éléments de langage dits « primaires ». Enfin, nous proposerons quelques solutions de rechange non interjectives ou somatiques pour rendre perceptible leur densité sémantique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».